生成式 AI 在城市规划中的应用：通过扩散模型合成卫星影像
计算机视觉与模式识别
2025-05-15 v1 机器学习
摘要
生成式 AI 为自动化城市规划提供了新的机遇，通过创建特定于场所的城市布局并实现灵活的设计探索。然而，现有方法往往难以大规模生成真实且实用的设计。因此，我们采用最新进展的 Stable Diffusion 模型，并扩展了 ControlNet，以生成以土地利用描述、基础设施和自然环境为条件的高保真卫星影像。为克服数据可得性限制，我们将卫星影像与来自 OpenStreetMap 的结构化土地利用和约束信息进行空间关联。使用来自三座主要美国城市的数据，我们展示，所提出的扩散模型能够通过变更土地利用配置、道路网络和水体，从而生成真实且多样化的城市景观，促进跨城市学习和设计多样性。我们还系统评估了不同语言提示和控制影像对卫星影像生成质量的影响。该模型取得高水平的 FID 和 KID 分数，并在多样化的城市语境下表现出鲁棒性。来自城市规划师和普通大众的定性评估显示，生成的图像与设计描述和约束高度吻合，往往被优于真实图像。本工作为受控城市影像生成建立了基准，凸显了生成式 AI 作为提升规划工作流程和公众参与工具的潜力。
关键词
引用
@article{arxiv.2505.08833,
title = {Generative AI for Urban Planning: Synthesizing Satellite Imagery via Diffusion Models},
author = {Qingyi Wang and Yuebing Liang and Yunhan Zheng and Kaiyuan Xu and Jinhua Zhao and Shenhao Wang},
journal= {arXiv preprint arXiv:2505.08833},
year = {2025}
}